相机没错,算法也没错——智能机器视觉复判检测课上的三次返工

上周三下午两点,实验室里那台分度盘又开始叫。

报警是从三组的工位传过来的。我走过去时,带教的研究生正打算把相机拆下来重装,他怀疑是机械抖动。旁边站着个学生,手里捏着个轴承滚子,翻来覆去地看。

“这条划痕,你肉眼看得见吗?”

“能。斜着看能看见。”

“那相机为什么时好时坏?”

没人答。

这个问题我每年都要问一遍。答案得等三个月后的课程设计答辩,他们会自己讲出来。现在就让他们先吃点亏吧。

一、误判的账,一半记在机构头上

学生有个默认前提:视觉检测的成败取决于算法。所以图像一糊,第一反应是换模型、加数据、调学习率。说实话,这个直觉在实验室里是要挨打的。

同一批滚子,同一台相机,换个光源角度,误判率的变化比换个网络结构大得多。

滚子表面那道划痕属于低对比度缺陷。环形光打上去是漫反射,划痕几乎隐形;把光源压到接近水平,掠射上去,划痕边缘立刻出现明暗跳变。可是掠射光测不了外径轮廓——轮廓得背光,得边缘锐利。

一个工位,一台相机,想同时干两件事,只能折中。而折中的结局通常很惨:两件事都干得半吊子。

真正该做的,是把“拍照”这件事拆开。工位一用背光快速筛轮廓,工位二只对可疑件做低角度掠射成像。工位二的图像质量,是靠结构换来的——光源安装角度、相机与光源的相对位置、夹具的重复定位精度,每一项都直接决定二级判定能不能做成。

复判的下限由机构决定,上限才轮到算法。

轴承滚子表面划痕低角度掠射光源检测工位示意图
轴承滚子表面划痕低角度掠射光源检测工位示意图

二、复判不是把图片再喂一遍

二、复判不是把图片再喂一遍
二、复判不是把图片再喂一遍

去年有学生问我:复判不就是把一级判错的图再跑一次网络?

我没直接回答,让他在报告里拆成三层写。

参数复判。图像不动,改阈值、改ROI、改特征权重。成本最低,能救回一部分边界样本。但它有个前提——信息本来就在图里。图里没有的东西,参数调到头也变不出来。

图像复判。重新成像。换光源角度、换曝光、换相机位姿,甚至换波段。这一层才是真正意义上的复判,因为它引入了新信息。

人机复判。机器拿不准的推给人工,或者半自动地给人提供辅助标注。产线上很多所谓“AI全检”,后台都挂着人,这是行业里公开的秘密。

三层里面,学生最容易写歪的是分层策略。

第一版方案,他们把所有零件都送二级工位。理由很朴素:判得准一点总没坏处吧。

节拍直接崩了。一级工位每秒出十几个件,二级工位一次成像加处理要几百毫秒,前面的还没走完,后面的已经堆成小山。

第二版反过来,只让一级置信度低的进二级。但“低”是多少?他们拍脑袋定了个0.8。结果漏检和过杀都没压住。有个学生不死心,把阈值往下调到0.6,过杀直接翻倍,报警刷了一整个下午,他坐那儿盯着屏幕,脸都绿了。

我让他们先别调数字,做一件事:把混淆矩阵的两类错误,分别标上代价。

漏检一个划痕件,代价是客户装配后失效,可能整批退货。过杀一个合格件,代价是复检一次、报废一个滚子。两个代价差着量级。

把代价写进判定规则之后,阈值就不该是0.8这种整数了,它应该落在两类代价比的某个位置上。这个推导学生要自己算一遍,比我在黑板上讲十遍都管用。

三、把“可疑”当成一个机械设计对象

到这儿,算法的事其实只占一半。剩下那一半,是“可疑件”这个东西在产线上的物理流向。

可疑件不是废品,也不是良品。它需要一个暂存位置、一条二次输送路径、一套重新定位的工装。课本里没有,图纸上也没有现成模板。

三组今年就栽在这儿。

他们设计的二级工位直接接在一级转盘的下一个工位。逻辑上很顺,物理上很脆:一级只要有件被判为可疑,转盘就得等二级空出来才能继续转。二级一慢,全线干等。

怎么改的?加了三个位置的缓存料道。可疑件先拨进缓存,二级工位按自己的节奏取件。两条线解耦。

这个改动花了学生两天。做完之后他们说了句话,我记下来了:“原来复判不是算法的事,是节拍的事。”

还有一件小事。

一级判合格、直接流走的件,和进二级的件,夹具状态不一样。前者在转盘上没动过,后者要被拿起来、重新放。重新放,就有重复定位误差。

他们最早用的夹具是个3D打印的V型块,装在铝型材上。二级工位旁边有个小气缸推料,一推,整个支架肉眼可见地晃。

晃一下,掠射光的角度就变了,划痕的明暗对比跟着变。图像糊不糊,全看运气。

换成铝合金件、加了加强筋之后,情况明显好转。不是什么高深的动力学,就是刚度。刚度不够,算法再深也白搭。

机器视觉检测二级复判工位相机支架与缓存料道结构图
机器视觉检测二级复判工位相机支架与缓存料道结构图

课后我在教案上写了一行字。

以前教视觉检测,我习惯从相机和镜头讲起,讲完光学讲算法,末尾补一句“注意机械结构”。顺序错了。应该反过来:先讲这个件要在什么姿态下被看见,再讲怎么把它摆到那个姿态,最后才讲怎么看。

因为复判的本质,是拿一次新的、更有针对性的观察,去修正一次把握不大的判断。而“新的观察”这个动作,是机构完成的。

学生毕业之后,大概不会再碰什么深度网络。但他们会记得——一个晃动的支架,能把整条检测线变成抽奖。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:相机没错,算法也没错——智能机器视觉复判检测课上的三次返工
文章链接:https://m.yqhljx.com/list_9/6118.html